2023 Fiscal Year Annual Research Report
Computing based on pseudo-billiard dynamics in hypercube and its applications
| Project/Area Number |
20H04258
|
|---|
| Research Institution | Future University-Hakodate |
|---|
Principal Investigator |
香取 勇一 公立はこだて未来大学, システム情報科学部, 教授 (20557607)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
田向 権 九州工業大学, 大学院生命体工学研究科, 教授 (90432955)
森江 隆 九州工業大学, 大学院生命体工学研究科, 特任教授 (20294530)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | レザバー計算 / ニューラルネットワーク / 感覚情報処理 / 運動制御 |
|---|
| Outline of Annual Research Achievements |
最終年度の2023年度は、超立方体上の疑似ビリヤード・ダイナミクスを用いた計算機構（超立方体計算）について、前年度までの応用探索の成果であるレザバー強化学習モデルを電子回路に実装し、その有効性を確認した。さらに応用先のさらなる探索を進め、複合的なレザバー計算モデルを構築した。
電子回路実装については、FPGA上にレザバー強化学習モデルを実装し、その有効性を示した。低消費電力かつ高集積のVLSIハードウェアを実現し、二次元空間で構成された環境での行動計画タスクに適用し、その有効性を確認した。複合的なレザバー計算モデルの構築では、まず視覚情報のみを使用してエージェントの行動を計画するためのレザバー・ベースのメンタルシミュレーションモデルを提案した。このモデルは予測符号化とレザバー計算モデルを組み合わせることで、エージェントの行動を最適化し、目標状態に到達するための環境をシミュレートする。また、多層構造を取り入れたレザバー・ソフトアクタークリティックモデルの研究では、部分観測可能なマルコフ決定過程（POMDP）におけるオフポリシー強化学習モデルとレザバー計算を組み合わせた新しいアプローチを提案した。レザバー計算の出力層に多層構造を導入することで性能が向上し、POMDPにおける学習を効果的に促進することが明らかになった。さらに、モータープリミティブの生成と切り替えのためのレザバー強化学習モデルの研究では、基本的な運動パターンであるモータープリミティブを生成し、これらを切り替えるための強化学習モデルを提案した。連続した状態行動空間を持つタスクにおいて、提案モデルがモータープリミティブの切り替えを行い、複雑な軌道パターンを生成する能力を示した。これらの結果から、提案モデルが実世界環境での効率的な学習、行動計画、教示データの欠如や未知の環境への適応という課題に対処できる可能性が示された。
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
-
-
[Journal Article] "Integrating Predictive Coding with Reservoir Computing in Spiking Neural Network Model of Cultured Neurons,"2024
Author(s)
Yoshitaka Ishikawa, Takumi Shinkawa, Takuma Sumi, Hideyuki Kato, Hideaki Yamamoto, Yuichi Katori,
-
Journal Title
Nonlinear Theory and Its Applications, IEICE,
Volume: 15, (2),
Pages: 432~442
DOI
Peer Reviewed
-
-
-
-
-
-
-
-
-
-
-
